WedX - журнал о программировании и компьютерных науках

Что представляет собой модель базы данных для эффективного запроса временных отношений между различными событиями?

Я ищу модель базы данных для эффективного запроса временных отношений между различными событиями. Где событие — это объект с датой начала и окончания.

Упрощенный пример:

Найдите все лекарства, которые использовались во время операции, которая произошла во время госпитализации.

Госпитализация, операция и лекарства — все это события, но они также имеют свои собственные определенные столбцы, поэтому традиционно в СУБД они хранятся в своих собственных таблицах.

Для этого примера скажем, что госпитализация, операция и лекарства имеют ~ 10 ^ 7 событий каждое.

Пример того, как можно попытаться решить аналогичную проблему в postgres, см. в этом вопросе/ответе: Как оптимизировать запрос для вычисления отношений даты и времени, зависящих от строк?

11.04.2021

  • Пожалуйста, поделитесь более подробной информацией о ваших попытках решить эту проблему 13.04.2021
  • @NicoHaase Я добавил ссылку на аналогичный вопрос, относящийся к postgres. Но я очень хочу услышать решения на более высоком уровне. Одной из областей, которую я недавно исследовал, были временные базы данных, но они, похоже, сосредоточены на истории одной таблицы. 13.04.2021
  • Я думаю, что вы можете предпочесть сначала пойти на наименьшее совпадение. Пример: я бы сначала выбрал прием, использовал его для фильтрации операций, а затем собрал все лекарства. Поскольку мы говорим о транзакционном SQL, все запросы, имеющие ровно одно совпадение, должны выполняться очень быстро по отношению к собирающим. 20.04.2021
  • ограничение поиска верхним событием — это, по сути, то, что мы делаем сейчас, но мне любопытно, существуют ли базы данных или модели данных, которые позволяют эффективно запрашивать все комбинации. 20.04.2021

Новые материалы

Объяснение документов 02: BERT
BERT представил двухступенчатую структуру обучения: предварительное обучение и тонкая настройка. Во время предварительного обучения модель обучается на неразмеченных данных с помощью..

Как проанализировать работу вашего классификатора?
Не всегда просто знать, какие показатели использовать С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..

Работа с цепями Маркова, часть 4 (Машинное обучение)
Нелинейные цепи Маркова с агрегатором и их приложения (arXiv) Автор : Бар Лайт Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..

Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]
Как вы сегодня, ребята? В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..

Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение. В этом процессе мы будем использовать неконтролируемое обучение, чтобы..

Учебные заметки: создание моего первого пакета Node.js
Это мои обучающие заметки, когда я научился создавать свой самый первый пакет Node.js, распространяемый через npm. Оглавление Глоссарий I. Новый пакет 1.1 советы по инициализации..

Забудьте о Matplotlib: улучшите визуализацию данных с помощью умопомрачительных функций Seaborn!
Примечание. Эта запись в блоге предполагает базовое знакомство с Python и концепциями анализа данных. Привет, энтузиасты данных! Добро пожаловать в мой блог, где я расскажу о невероятных..


Для любых предложений по сайту: [email protected]